为什么Python无法指定使用哪块GPU？如果试了两种方式都无效，那可能是因为序号不对应

最新推荐文章于 2024-06-11 23:30:00 发布
最新推荐文章于 2024-06-11 23:30:00 发布
阅读量1.4k 收藏 5
点赞数 2
分类专栏： 炼丹 文章标签： python 深度学习 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43955436/article/details/116585298
版权

直接上结论

  1. 指定的GPU序号和真实的序号并不是一一对应。
  2. 代码中指定优先级高于shell指定
  3. Pycharm全局搜索代码有没有其他地方有指定GPU
    CTRL+SHIFT+F (Windows) Command+Shift+F (Mac)

炼丹过程中，尝试了两种方式在代码中指定GPU，发现都没有正确指定，佛了。。全局搜索项目代码，其他没有任何地方指定了GPU。

方式1 – shell指定：

CUDA_VISIBLE_DEVICES=0  python code.py

方式2 – 代码内部指定：

import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"
最低0.47元/天 解锁文章
一只帅气的IT Monkey
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
什么是Python？Python有几种安装方法？.pdf
04-12
什么是Python？Python有几种安装方法？.pdf
对Python使用mfcc的两种方式详解
09-19
**对Python使用MFCC的两种方式详解** MFCC（Mel Frequency Cepstral Coefficients，梅尔频率倒谱系数）是语音处理领域中常用的一种特征提取方法，它能够有效地捕捉语音信号中的关键信息。在Python中，有多种库可以...
指定GPU失败
qq_43385440的博客
04-27 733
指定GPU
pytorch无法指定GPU错误总结
W_Honor的博客
11-26 3138
一般常见的指定GPU的方式有两种： 1、终端命令： CUDA_VISIBLE_DEVICES=1,2,3 python3 test.py 2、程序引用： import os os.environ['CUDA_VISIBLE_DEVICES'] = '1,2,3' 针对第二种方法，当模型分为几个文件时，只需要在主文件中设置一处即可，多余的设置会出现问题。例如，在A.py中配置了os.environ['CUDA_VISIBLE_DEVICES'] = '0' 又在main.py中配置了os.environ[
在python中指定pytorch训练时使用多块或某块GPU的方法
最新发布
ybdesire的专栏
06-11 652
在python中指定pytorch训练时使用多块或某块GPU的方法
TF-使用指定GPU，日志显示与实际使用不对应
牧羊
08-20 249
实际上使用的是指定的GPU。 在tensorflow 中日志打印的是可见GPU的编号，如指定 1,2,3 ， 日志中对应0,1,2。 以下：指定1 ，日志中的是0，实际使用是1 os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ["CUDA_VISIBLE_DEVICES"] = "1" ...
pytorch查看GPU序号型号
Enochzhu的博客
05-25 6655
import torch print(torch.cuda.is_available()) #cuda是否可用； print(torch.cuda.device_count()) #返回gpu数量； print(torch.cuda.get_device_name(0)) #返回gpu名字，设备索引默认从0开始； print(torch.cuda.current_device()) #返回当前设备索引； ...
GPU顺序设置不生效
weixin_42067873的博客
09-15 441
显卡设置顺序无效
基于tensorflow指定GPU运行及GPU资源分配的几种方式小结
09-18
### 基于TensorFlow指定GPU运行及GPU资源分配的几种方式详解 #### 一、引言 随着深度学习技术的飞速发展，GPU已成为加速训练模型不可或缺的一部分。TensorFlow作为目前最流行的深度学习框架之一，提供了丰富的API...
使用Python编程以CSV方式导出Prometheus指定的监控数据
05-30
使用Python编程以CSV方式导出Prometheus指定的监控数据，只要获取PMSQL填入变量即可轻松导出~
tensorflow-gpu测试代码-python
04-28
tensorflow-gpu测试代码 首先导入TensorFlow库； 使用tf.Session()创建一...如果你的电脑上有可用的GPU，并且已经成功安装了CUDA和cuDNN等GPU加速库，那么TensorFlow-GPU将自动使用GPU来进行计算，从而提高计算效率。
keras用cpu加速_已安装tensorflow-gpu,但keras无法使用GPU加速的解决
weixin_39571219的博客
12-21 369
问题我们使用anoconda创建envs环境下的Tensorflow-gpu版的，但是当我们在Pycharm设置里的工程中安装Keras后，发现调用keras无法使用gpu进行加速，且使用的是cpu在运算，这就违背了我们安装Tensorflow-gpu版初衷了。原因因为我们同时安装了tensorflow和tensorflow-gpu(在…Anaconda3\envs\fyy_tf\Lib\site...
pytorch, 指定显卡问题
chenran187906的博客
10-22 984
在服务器上跑PyTorch的训练代码，原来一直都没有问题。但是重新安装cuda之后，无法指定在哪几块GPU上运行了，只能按照顺序从第0块开始使用。 解决方法：在 os 之后紧随指定显卡。（因为当导入 torch 库后，其已经调用显卡。） import os os.environ["CUDA_VISIBLE_DEVICES"] = "4,5,6,7" import torch Game Over! ...
【Faiss】: RuntimeError: Error in faiss::gpu::GpuIndex::GpuIndex(faiss::gpu::GpuResources*, int, faiss
Jack_Kuo的博客
05-26 2846
问题 运行gpu版本的Faiss的时候，出现如下问题： RuntimeError: Error in faiss::gpu::GpuIndex::GpuIndex(faiss::gpu::GpuResources*, int, faiss::MetricType, float, faiss::gpu::GpuIndexConfig) at gpu/GpuIndex.cu:49: Error: 'device_ < getNumDevices()' failed: Invalid GPU device
python指定Gpu
热门推荐
qimo601的专栏
03-29 2万+
PyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。 有如下两种方法来指定需要使用的GPU。 1. 类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。 1.1 直接终端中设定： CUDA_VISIBLE_DEVICES=1 python my_script.py 1.2 python代码中设定： import os os.environ["CUDA_VISIBLE_DEVICES"] = "2" 见网址：（原）
pyrender离屏渲染无法使用GPU
qq_43666068的博客
09-07 230
cp -r /usr/lib/x86_64-linux-gnu/libstdc++.so.6 ./ # 这条是在anaconda提示的路径下,貌似是/root/miniconda3/envs/AMASS/bin/…参考这篇文章 https://blog.csdn.net/weixin_42092516/article/details/129879122。ln -s /usr/lib/x86_64-linux-gnu/ ./ # 这条是在usr/lib下执行,大概?将缺少的库复制或者软链接过去。
使用Recbole时指定gpu_id无效的解决方案
m0_63884004的博客
12-12 448
大概意思时说GPU 0的内存不足，但是程序打印的参数列表显示gpu_id=4，说明程序无法识别指定gpu，可能有bug。：使用命令行运行代码时在python run.py前添加CUDA_VISIBLE_DEVICES=4即可。
指定GPU设备号
weixin_43993244的博客
02-18 5812
@[TOC]指定GPU设备号 指定GPU设备号 记录自己在实验室服务器上运行程序“指定gpu设备号”时的一些总结，和踩过的一些坑。 4种方法 1. 使用os指定 import os os.environ['CUDA_VISIBLE_DEVICES'] = '0' 注意：这两行代码一定要放在所有代码之前，尤其要放在“import torch”之前 2. 在命令行指定 CUDA_VISIBLE_DEVICES=x python xxx.py 3. 使用torch指定 import torch torc
【引路帖】【使用GPU】使用os.environ[‘CUDA_VISIBLE_DEVICES‘]指定GPU无法生效解决方案
一苇以航丶的博客
01-10 6097
问题：os.environ[‘CUDA_VISIBLE_DEVICES‘]无法生效 参考链接：详解 tip： 当只使用一块GPU的时候，不管你设置的是服务器上的几号GPU，在代码运行中，都是当做GPU0 当使用多块GPU的时候，不管你设置的使用服务器上的哪几块GPU，在代码运行中，都是按照GPU0，GPU1…进行编号 例如： CUDA_VISIBLE_DEVICES=2,0,3 只有编号为0,2,3的GPU对程序是可见的，但是在代码中gpu[0]指的是第2块儿，gpu[1]指的是第0块儿，gpu[2]指的
两个python环境如何都使用GPU？
04-01
要同时在两个Python环境中使用GPU，您需要确保以下条件得到满足： 1. 您的系统必须有一个支持GPU的显卡。 2. 您必须安装与您的显卡兼容的最新GPU驱动程序。 3. 您必须安装与您的Python环境兼容的CUDA和cuDNN软件包。这些软件包是用于GPU计算的库，可以在NVIDIA的网站上下载。 4. 您需要安装与您的Python环境兼容的深度学习框架，例如TensorFlow或PyTorch。这些框架都支持GPU计算。 5. 您需要在您的Python代码中设置GPU设备，以便您的代码可以使用GPU进行计算。 如果您在使用Anaconda等Python环境管理器，则需要确保在每个环境中都安装了CUDA和cuDNN软件包，并在每个环境中设置了GPU设备。您可以使用以下命令来设置GPU设备： ```python import tensorflow as tf from tensorflow.keras import backend as K # 设置GPU设备 config = tf.compat.v1.ConfigProto() config.gpu_options.allow_growth = True config.gpu_options.visible_device_list = "0" # 指定使用的GPU设备号 K.set_session(tf.compat.v1.Session(config=config)) ``` 请注意，在这个例子中，我们指定使用GPU设备号为0。如果您有多个GPU设备，则可以将这个号码更改为另一个数字，以指定要使用的设备。 如果您使用的是PyTorch，您可以使用以下命令来设置GPU设备： ```python import torch # 设置GPU设备 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") print(device) ``` 在这个例子中，我们使用了torch.cuda.is_available()函数来检查是否有可用的GPU设备，并将设备号设置为0。如果您有多个GPU设备，则可以将这个号码更改为另一个数字，以指定要使用的设备。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值